Axis Robotics X Launch 第二期来了！🎉 活动期间交易 AXIS，排名前 8,000 的用户将共同瓜分 2M AXIS 奖池。 ⏰ 10 月 27 日 18:00 – 10 月 29 日 18:00（UTC+8） 👉 本活动受活动页面上的活动条款约束，其他详情请查看公告

axis robotics 最新的kaito榜单应该今天或者明天就会发布。 新的榜单前100名我一个一个检查过，都比较solid，没有看到过于明显的刷量痕迹。 也想公开、及时、透明的跟大家沟通一下在过去着十天，我们究竟在对榜单做什么调整。 —————— 新的kaito榜单的工作原则 1）以影响力为北极星指标，也即以你的文章到底有多少牛逼的人看到，影响到了多少人的心智为最核心原则。而非以篇幅、数量或者创作的用心程度为考核指标。 2）无论是axis 团队或者kaito团队都不能就个人喜好对榜单上的某个人做单独加权或者单独加黑白名单，而是通过制定规则，让算法计算与排名。保证规则的一致性。 3）有过任何fud的创作者会被识别，并且不会上榜。 —————— 榜单计算考虑了什么因素？以及，为什么之前的榜单那么“气人” 之前的算法计算： 更关注单条推文的engagement（点赞转推评论），导致大量在tg和微信互助群里互相点赞的创作者排名很高，而真正有影响力的kol（因为他们不怎么做engagement farming），导致排名很低。 修正后： 1）更关注creator本身的smart follower人数。（回归影响力原则） 2）关注creator过去3-6个月平均推文数据。而非仅仅看讲axis的推文数据。 3）算法识别互相点赞的互相engagement farming的“小圈子”（infofi组织，flywheel dao之类的群体），给予一定程度的降权。 所以： 修正后的榜单， 1）organic真实的创作者排名更靠前 2）有影响力创作者更靠前 3）kaito infofi互助创作者会被降权，但不会被除名。为了确保规则的公平性，我不能直接删除这样的人参与排行榜上，只能尽量调整算法，降低权重，保证规则一致性。 —————— kaito团队还是很负责任的，在过去十天，我们至少迭代了五次排行榜，直到算出一个我认为是合理的榜单。 期间我觉得最大的问题出在一开始对于北极星指标的不明确和engagement farming行为的界定上。不过align了规则之后，工作也非常顺利。 最后想说， 世界上没有绝对公平，有人钱多了，就会有人钱少了。我们能做的就是确保规则的合理，以及执行规则的过程里，保持透明和一致性。

Axis Robotics｜Kaito 活动更新 ✅第一轮排行榜已发布 ⏱第二轮活动：10 月 18 日结束 🔥$AXIS TGE 即将到来，抓紧冲刺排名 我这是排名 65 名的意思吗？

Dyna Robotics（Dyna-2.1模型+Taku机器人）实现 1 小时连续自主洗衣！核心技术改进： 1️⃣ 长流程闭环：79次原子操作贯穿洗/烘/折全链条 2️⃣ 柔性操控：视触觉融合攻克衣物变形与遮挡 3️⃣ 异步调度：图文 Memory 实现多任务并发处理 4️⃣ 动态自愈：强干扰/抓取失败下自主识别并重试 5️⃣ URR表征：解耦软硬件，轻松实现跨平台迁移 讲真，比起弹琴跳舞，这种能在真实场景里连续干 1 小时粗活累活的，才是真正能落地的杀手级应用。 最绝的是它在烘干机运行间隙还会自己去找别的活干，这“老打工人”的偷懒/排班质感算是被它玩明白了！

Axis Robotics × @BinanceWallet 这次有点东西。 1,500,000 Axis Points，活动持续 30 天，而且是专门给 Binance 无密钥钱包用户准备的。 玩法也不复杂：用 Binance Wallet 参与 Axis，去教机器人完成任务，然后把你的数据在 Base 上完成签署。 最关键的是，这次奖励池和 Axis 主产品的积分体系是完全独立的。 也就是说，如果你本来就在玩 Axis，这次相当于多了一条额外的积分获取渠道。 机器人训练 + 链上数据签署 + Axis Points，三个东西串在了一起。 目前总池子是 150 万 Axis Points，时间只有 30 天。 有 Binance Wallet 的可以直接去看看，尤其是本来就在刷 Axis 任务的，这种活动没必要错过。 @KaitoAI @axisrobotics

Axis Robotics 每天看着机器人模型在实验室里卡住。 跑不通的抓取动作，识别不了的场景，泛化不了的路径。 人类好像越来越能造机器人，但越来越不会教机器人了。 1> @axisrobotics 最早就是一个数据标注项目——只不过标的不是图片，是机器人动作。 你打开浏览器，用鼠标拖拽一个虚拟机械臂，教它怎么拿起杯子、怎么拧开瓶盖、怎么给花浇水。就这么简单。动动鼠标，教机器人，赚积分。 但团队很快发现了一个问题： 不是没人想教，是根本不知道怎么教。 2> 机器人的数据，被什么东西卡住了？ 大语言模型有全网文本可以训练。 自动驾驶有上亿公里路测数据。 但机器人呢？ 真实的机器人操作数据，只能靠实验室里少数专家，一台一台机械臂手动采集。成本高、速度慢、场景单一。 而机器人需要学会的，是真实世界里千变万化的动作——拿起不同形状的杯子、在不同光照下识别物体、在杂乱环境中规划路径。 实验室里采集的那点数据，不够。 3> Axis 看不下去了。 他们发现Physical AI最大的瓶颈不是算法，是数据覆盖度。 没有足够多、足够多样化的训练数据，再好的模型也是空中楼阁。 所以他们决定换一种思路。 4> 从实验室采集变成全民众包。 Axis 的做法很简单：在浏览器里搭建物理仿真环境，让全球任何一个人，打开网页就能操作虚拟机器人。 你拖拽机械臂完成的每一个动作，都会被记录成一条轨迹数据。 这些数据经过验证后，用来训练真正的机器人模型。 2026年2月，Axis 做了一次代号叫"小王子的玫瑰"的实验。 全球1.2万名普通用户在5天内完成了10,000条高质量轨迹数据的采集。 然后他们把其中一批数据直接部署到了真实的 Franka 机械臂上——成功复现。 不需要你买机器人，不需要你懂编程。打开浏览器，动动鼠标，你就在教一个真正的机器人如何行动。 5> 但最有意思的是商业模式。 企业客户可以提出定制化的数据需求——特定任务、特定环境、特定机器人本体。 Axis 把这些需求拆解成任务套件，分发给全球贡献者网络。 贡献者完成任务、产生数据，企业付费购买。 部分收入回流给贡献者。 形成一个闭环： 商业需求 → 任务生成 → 众包采集 → 数据验证 → 模型训练 → 部署落地 物理AI变成了一个网络：商业需求驱动数据创建，贡献者提供智能，模型持续进化。 6> 技术底子怎么样？ Axis 自研了 MetaSim 架构，把复杂的物理仿真和轻量化的网页交互解耦。 你在浏览器里拖拽机械臂的每一帧，背后是 MuJoCo 的高频物理模拟，再通过跨仿真重放技术在 Isaac Sim 里做大规模域随机化。 说白了就是：你操作简单，但数据质量不简单。 截至2026年7月，Axis 数据集已包含207个多样化任务和超过5万条轨迹。 7> 最新进展是什么？ 7月28日，Axis Robotics 宣布完成1200万美元种子轮融资。 Hack VC 领投，Nomad Capital、Pi Core Team Ventures、10K Ventures 及多位天使投资人跟投。 资金将用于加速建设大规模并行、有人类参与的全球数据引擎。 而且，Axis 即将在 Base 链上推出主产品——数据贡献记录上链，可验证、可追溯。 8> 现在，Axis 正在测试网阶段释放任务。 首批30个任务，已有三分之一进度跑满100%。 Hub 任务可以直接参与，Alliance 任务需要邀请码。 早起的鸟不一定吃到虫，但至少先占了训练工位。 关注 @BTCDTA 和 @0xsexybanana 机器人不会自己学会走路。 但你可以教它。 打开浏览器，动动鼠标，你就在参与建造物理AI的"GPT时刻"。 #AxisRobotics# #PhysicalAI# #Web3#

Axis Robotics 宣布完成 1,200 万美元种子轮融资，由 Hack VC 领投，Nomad Capital、10K Ventures 及多位天使投资人参投。资金将用于扩展其融合仿真、第一视角真实数据采集和人工反馈训练的机器人数据引擎，以支持 Physical AI 模型开发。

📢 Axis Robotics（AXIS）即將上線 Bitget Launchpool｜瓜分 1,333,333 AXIS 獎池 🔥 ✍️ 符合資格的用戶可鎖倉 BGB 或 AXIS，共同瓜分 1,333,333 AXIS 獎勵 ! ⏰ 鎖倉時間：即日起～ 10 月 28 日 13:00（UTC） 🔗 更多詳情：

最近axis robotics其实有一些非常amazing的进展。还没形成paper，但是先简单分享一下激动的心情。 简单来说，过去一年，通过axis社区的数据贡献，我们其实积累了大量manipulation的动作轨迹数据。 但是我们逐步发现，这些数据更大的价值不是直接拿来训练某一个通用大模型，而是作为先验，告诉我们哪些特别的动作和状态值得探索。 最近，我们依靠 LLM 自动化生成场景和任务，然后在这些用户数据和少量自动生成数据的基础上，我们可以用高速、低成本的 RL，把每一个任务快速训练成一个接近 100% 成功率、覆盖大量状态变化的专项 Expert。 这个expert，你可以理解为是axis自研的针对某个特别的动作的专用模型，它专门针对这个任务场景可以取得非常强的泛化能力。 这些 Expert不仅具备很强的泛化能力，同时也可以通过物理和视觉随机化充分利用 Simulation，并进一步迁移到真实机器人，同时持续生成大量高质量、多样化的训练数据。 当我们把这个过程复制到成百上千个任务以后，就得到了一整个专家模型的Network：装箱、分拣、抓取等不同任务都有自己的强 专家模型，再把这些 Expert 的能力和数据统一蒸馏、fine-tune 到一个共享的 Foundation Model 里。 也许有一天，axis也拥有属于自己的海量专家模型甚至做出来属于我们的foundation model。how exciting it is

AI Agents > Virtuals Robotics 从链上 ai 代理到机器人能够进入经济系统 @virtuals_io 真的在 all in 机器人赛道 Virtuals Robotics 也不是单独做机器人硬件，而是让 AI 代理，能够直接参与真实机器的任务、协作和结算 这个能力的核心，是他们推出的 Agent Commerce Protocol ACP 就是 Virtuals 在 robotics 的核心竞争力，可以把 ACP 理解为一套为机器准备的商业协议 正因为 ACP 的存在将链上代理的流程标准化，下面这些项目才不是零散的机器人创业公司，而是被拼进同一条路径 📌@BitRobotNetwork 从真实世界采集可训练的机器人动作数据 关键进展： SeeSaw 成为其第 5 个子网（SN/05） 已收集 25,000+ 真实机器人训练任务 覆盖系鞋带、折衣服等日常动作 FrodoBots Lab 在 2025 年完成 800 万美元融资 这些数据都是货真价实的，它们是机器人进入经济系统之前，必须先补齐的常识层 📌@PrismaXai 让人类经验变成机器人资产 > 构建远程操作协调层 > 众包高质量 VLA（Vision-Language-Action）数据 > 把操作者经验变成可激励、可交易的数据 2025 年的进展: > 6 月完成 1100 万美元种子轮 > 实时远程操作平台上线 > 顶级操作员累计 100+ 小时 实操 > 通过 RoboCon AI、大会和周刊，持续吸引操作者 📌@openmind_agi OpenMind 是目前最接近机器人经济操作层的项目 2025 年最重要的一步，是 ACP 正式集成进 OM1 开源机器人 OS 这直接带来了非常具体的变化： > 机器人可以通过语音指令 > 调用代理 > 跨协议分配 1000 USDC > 执行接近 10% APY 的 delta-neutral 策略 > 全流程本地完成，无云依赖 📌@xmaquina 机器人当作生产资产，谁拥有机器人，谁分享自动化收益 他们的路径是把机器人资产直接 token 化： 推出 $DEUS，社区优先销售（2026 年 1 月 8 日） 构建机器人 DAO 已演示首个 tokenized robo-cafe（peaq 链） 把机器人视作可以被持有、被分红、被治理的生产资料，脑洞大开，牛逼！ ⭕️Robotics 的终极方向就是将机器人开始在一个完整体系里工作、协作、结算 也是 AI Agents 往现实世界延伸的那一步 2026年注定是 robotics 井喷的一年